论文部分内容阅读
军事任务计划问题主要研究在给定一系列可选任务集合和有限资源约束条件下,如何合理地选择执行作战使命的任务流程,安排任务执行进度和分配执行资源,以顺利完成作战使命,实现作战预期。科学有效的军事任务计划方案能够指导不同空间、不同时间的资源围绕总体的作战目标井然有序地去执行各自承担的任务,从而达到事半功倍的效果。然而,军事任务计划的复杂性以及战场环境的不确定性,给计划制定人员带来了沉重的认知负担,使得军事任务计划的正确性、及时性和稳定性面临严峻的挑战,需要研究科学、有效的理论方法来辅助支持。现有的关于不确定环境下军事任务计划问题的研究,主要集中在不确定干扰发生后,如何对方案及时、有效地进行调整来继续保持其可行性和良好性能。这类方法计算成本小,容易实施,而且能够应对各种不确定性干扰,但是却忽略了基准方案的频繁调整给实际问题带来的不利影响。针对这一不足,本文主要研究如何在方案生成阶段就考虑各种可预测的不确定因素并采取相应措施,努力生成一种“受到保护”的基准方案,尽量减小方案执行过程中进行调整的可能性。本文主要研究内容和创新如下:(1)不确定环境下军事任务计划问题模型与求解框架研究不确定环境下军事任务计划面临的主要不确定因素:构成作战使命任务流程的任务不确定性、资源有效数量的不确定性和任务执行时间的不确定性,提出了上述不确定因素的定量化刻画方法,结合对军事任务计划问题构成要素的分析,建立了不确定环境下军事任务计划问题模型。在此基础上,研究军事任务计划需要解决的关键问题:军事行动方案生成、军事任务规划和军事资源分配,分析问题各部分之间的关系,构建了不确定环境下军事任务计划求解框架。(2)任务不确定军事行动方案生成方法任务不确定军事行动方案生成问题主要研究在资源约束下如何通过有序地执行一系列任务来完成某一既定目标。利用P/A网络对任务不确定性进行描述,通过将任务不确定选择问题转化为0/1赋值问题,将任务不确定军事行动方案生成问题转化为了约束可满足问题,建立了问题模型。结合问题特点,提出了一种基于逻辑任务图方法的问题模型简化方法。利用资源约束信息对经典DPLL算法进行改进和扩展,提出了一种基于知识(Knowledge-based)的KDPLL算法。(3)资源不确定军事任务规划方案生成与优化方法资源不确定军事任务规划问题主要研究在资源有效数量不确定条件下如何将有限的资源合理地匹配给一系列任务,实现某些目标的优化。利用概率分布函数对资源不确定性进行定量化刻画,提出了基于资源缓冲的资源不确定应对策略。在此基础上,基于多目标优化思想对问题进行求解,提出了资源不确定军事任务规划多目标进化求解算法。在求解过程中还设计了一种基于优先规则的军事任务规划方案快速生成算法来生成问题的初始解集。(4)时间不确定军事资源分配方案生成与优化方法时间不确定军事资源分配问题主要研究在如何优化调度资源在任务之间的流动和传递关系,为每个任务预先分配好特定的执行资源。利用概率分布函数对任务执行时间不确定性进行定量化刻画,提出了鲁棒性资源配置和基于时间缓冲相结合的求解方法。首先采用资源流网络方法进行鲁棒性资源配置,提出了一种基于优先规则的军事资源分配方案生成算法;在此基础上基于时间缓冲策略,提出了一种在军事资源分配方案中合理插入时间缓冲区的算法。